ALGORITMOS GEN TICOS PARALELOS Y 1

ALGORITMOS GENÉTICOS PARALELOS Y SU APLICACIÓN AL DISEÑO DE REDES DE COMUNICACIONES CONFIABLES.

Al tratar con problemas de optimización combinatoria NP difíciles, para los cuales la complejidad delos algoritmos conocidos aumenta de manera superpolinomial con el tamaño del problema, la aplicabilidad de los métodos exactos de resolución se encuentra limitada por el enorme tiempo y consumo derecursos computacionales que demandan.
Cuando las técnicas de resolución analítica, los métodos de búsqueda exhaustiva o enumerativa y las técnicas derivadas de la programación matemática no sonaplicables, las técnicas heurísticas aparecen como la única alternativa viable para abordar problemas NP difíciles con espacio de soluciones de dimensión elevada. A diferencia de las técnicas exactas, lastécnicas heurísticas no pueden garantizar a priori la obtención de la solución óptima del problema. En la mayoría de los casos ni siquiera pueden garantizar que la solución obtenida tenga un cierto margende error con respecto a la solución óptima. Pero en la práctica, numerosas técnicas heurísticas se comportan de manera sumamente satisfactoria para la resolución de complejos problemas deoptimización, posibilitando la obtención de buenas soluciones aproximadas en tiempos razonables. En un nivel superior de abstracción, las técnicas metaheurísticas proporcionan esquemas o enfoques genéricos parala resolución de problemas complejos. Estos enfoques genéricos pueden ser instanciados para producir algoritmos específicos que trabajan bajo un mismo lineamiento general.

Las técnicas de computaciónevolutiva constituyen una familia de metaheurísticas estocásticas utilizadas exitosamente para la resolución de variados problemas en las áreas de búsqueda y análisis de información, optimizacióncombinatoria, y diseño, control y aprendizaje de dispositivos, entre otras. Estas técnicas basan su funcionamiento en mecanismos análogos a los principios que rigen la evolución natural de las...